Java 文件高级技术（一）：常见文件类型处理

1. 字节流和字符流都是以流的方式读写文件，流的限制有

• 要么读，要么写，不能同时读和写
• 不能随机读写，只能从头读到尾，且不能重复读。虽然通过缓冲可以实现部分重读，但是有限制

2. RandomAccessFile 的作用

• RandomAccessFile 没有上面两个限制，既可以读，也可以写，还可以随机读写
• 是一个更接近操作系统 API 的封装类

3. 内存映射文件的作用

• 内存映射文件可以高效处理非常大的文件
• 可以被多个不同的应用程序共享
• 特别适合用于不同应用程序之间的通信

4. 流读写文件的限制

• 使用流读写文件时，需要逐个处理对象中的每个字段，处理起来较为麻烦
• 需要考虑很多空格或特殊字符等小细节

5. Java 中经常处理的常见的文件类型有哪些

• 属性文件：属性文件是常见的配置文件，用于在不改变代码的情况下改变程序的行为
• CSV：CSV 是 Comma-Separated Values 的缩写，表示逗号分隔值，是一种非常常见的文件类型。大部分日志文件都是 CSV，CSV 也经常用于交换表格类型的数据。CSV 看上去很简单，但处理的复杂性经常被低估
• Excel：在编程中，经常需要将表格类型的数据导出为 Excel 格式，以方便用户查看，也经常需要接受 Excel 类型的文件作为输入以批量导入数据
• HTML：所有网页都是 HTML 格式，我们经常需要分析 HTML 网页，以从中提取感兴趣的信息
• 压缩文件：压缩文件有多种格式，也有很多压缩工具，大部分情况下，我们可以借助工具而不需要自己写程序处理压缩文件，但某些情况下，需要自己编程压缩文件或解压缩文件

6. 使用类 java.util.Properties 读取配置文件 config.properties

db.host = 192.168.10.100
db.port = 3306
db.username = zhangsan
db.password = mima1234

Properties prop = new Properties();
prop.load(new FileInputStream("config.properties")); //load() 用于从流中加载属性
String host = prop.getProperty("db.host");

//getProperty() 用于获取属性，可以提供一个默认值，如果没有找到配置的值，就返回默认值
int port = Integer.valueOf(prop.getProperty("db.port", "3306"));

7. 使用类 Properties 处理属性文件的好处和限制分别是

• 可以自动处理空格，分隔符 = 前后的空格会被自动忽略
• 可以自动忽略空行
• 可以添加注释，以字符 # 或 ! 开头的行会被视为注释，进行忽略
• 限制：不能直接处理中文，在配置文件中，所有非 ASCII 字符需要使用 Unicode 编码

8. CSV 文件是指

• CSV 是 Comma-Separated Values 的缩写，表示逗号分隔值
• 一般而言，一行表示一条记录，一条记录包含多个字段，字段之间用逗号分隔
• 一般而言，分隔符不一定是逗号，可能是其他字符，如 tab 符 \t、冒号 :、分号 ; 等
• 程序中的各种日志文件通常是 CSV 文件，在导入导出表格类型的数据时，CSV 也是常用的一种格式

9. CSV 文件处理的复杂性

• 字段内容中包含分隔符
• 字段内容中包含换行符
• 怎么表示 null 值
• 空行和字段之间的空格怎么处理
• 怎么表示注释

10. 使用第三方类库 Apache Commons CSV 读取 CSV 文件的示例（CSV 1.4 版本）

CSVFormat format = CSVFormat.newFormat(';').withQuote('"').withNullString("N/A").withIgnoreSurroundingSpaces(true);
Reader reader = new FileReader("student.csv");
try {
    for(CSVRecord record : format.parse(reader)) {
        int fieldNum = record.size();
        for(int i=0; i<fieldNum; i++) {
            System.out.print(record.get(i) + " ");
        }
        System.out.println();
    }
} finally {
    reader.close();
}

11. 使用第三方类库 Apache Commons CSV 写 CSV 文件

CSVPrinter out = new CSVPrinter(new FileWriter("student.csv), CSVFormat.DEFAULT);
out.printRecord("老隋", 18, "看电影，看书，听音乐");
out.printRecord("小隋", 16, "乐高；赛车；");
out.close();

//输出文件 student.csv 中的内容为：
“老隋”， 18， “看电影，看书，听音乐”
“小隋”， 16， “乐高；赛车；”

12. Java 中怎样处理 Excel 文件

• Excel 主要有两种格式，扩展名分别为 .xls 和 .xlsx。.xlsx 是 Office 2007 以后的 Excel 文件的默认扩展名
• Java 中处理 Excel 文件及其他微软文档广泛使用 POI 类库

13. 保存学生列表到 student.xls（POI 3.15 版本）

//Workbook: 表示一个 Excel 文件对象，它是一个接口，有两个主要类 HSSFWorkbook 和 XSSFWorkbook，前者对应 .xls 格式，后者对应 .xlsx 格式
//Sheet: 表示一个工作表
//Row: 表示一行
//Cell: 表示一个单元格
public static void saveAsExcel(List<Student> list) throws IOException {
    Workbook wb = new HSSFWorkbook();
    Sheet sheet = wb.createSheet();
    for(int i=0; i<list.size(); i++) {
        Student student = list.get(i);
        Row row = sheet.createRow(i);
        row.createCell(0).setCellValue(student.getName());
        row.createCell(1).setCellValue(student.getAge());
        row.createCell(2).setCellValue(student.getScore());
    }
    OutputStream out = new FileOutputStream("student.xls);
    wb.write(out);
    out.close();
    wb.close();
}

//如果要保存为 .xlsx 格式，只需要替换第一行为：
Workbook wb = new XSSFWorkbook();

14. 使用 POI 解析 Excel 文件

public static List<Student> readAsExcel() throws Exception {
    Workbook wb = WorkbookFactory.create(new File("student.xls"));
    List<Student> list = new ArrayList<Student> ();
    for(Sheet sheet : wb) {
        for(Row row : sheet) {
            String name = row.getCell(0).getStringCellValue();
            int age = (int) row.getCell(1).getNumericCellValue();
            double score = row.getCell(2).getNumericCelValue();
            list.add(new Student(name, age, score));
        }
    }
    wb.close();
    return list;
}

15. 使用 HTML 分析器 jsoup 分析网址：http://www.cnblogs.com/swiftma/p/5631311.html 的 HTML 代码，抽取网页主题内容中每篇文章的标题和链接

Document doc = Jsoup.parse(new File("articles.html"), "UTF-8);
Elements elements = doc.select("#cnblogs_post_body p a");
for(Element e : elements) {
    String title = e.text();
    String href = e.attr("href");
    System.out.println(title + ", " + href);
}

//输出为（部分）：
计算机程序的思维逻辑（1）- 数据和变量，http://www.cnblogs.com/swiftma/p/5396551.html
计算机程序的思维逻辑（2）- 赋值，http://www.cnblogs.com/swiftma/p/5399315.html

//jsoup 也可以直接连接 URL 进行分析，比如，上面代码的第一行可以替换为：
String url = "http://www.cnblogs.com/swifma/p/5631311.html";
Document doc = Jsoup.connect(url).get();

16. Java 对压缩文件的支持

• 压缩文件有多种格式，Java SDK 支持两种：gzip 和 zip

• gzip 只能压缩一个文件，zip 可以压缩多个文件

• 对于 gzip

  • java.util.zip.GZIPOutputStream 和 java.util.zip.GZIPInputStream 分别是 OutputStream 和 InputStream 的子类，都是装饰类
  • GZIPOutputStream 加到已有的流上，就可以是实现压缩；GZIPInputStream 加到已有的流上，就可以实现解压缩

• 对于 zip

  • java.util.zip.ZipOutputStream 和 java.util.zip.ZipInputStream 也分别是 OutputStream 和 InputStream 的子类，也都是装饰类
  • 使用起来比 gzip 要麻烦些

17. 写一个压缩一个文件的 Demo

public static void gzip(String fileName) throws IOException {
    InputStream in = null;
    String gzipFileName = fileName + ".gz";
    OutputStream out = null;
    try {
        in = new BufferedInputStream(new FileInputStream(fileName));
        out = new GZIPOutputStream(new BufferedOutputStream(new FileOutputStream(gzipFileName)));
        copy(in, out); //复制输入流的内容到输出流
    } finally {
        if(out != null) {
            out.close();
        }
        if(in != null) {
            in.close();
        }
    }
}

18. 写一个解压一个文件的 Demo

public static void gUnzip(String gzipFileName, String unzipFileName) throws IOException {
    InputStream in = null;
    OutputStream out = null;
    try {
        in = new GZIPInputStream(new BufferedInputStream(new FileInputStream(gzipFileName)));
        out = new BufferedOutputStream(new FileOutputStream(unzipFileName));
        copy(in, out);
    } finally {
        if(out != null) {
            out.close();
        }
        if(in != null) {
            in.close();
        }
    }
}